基于位置数据的群体分布与个体周期行为模式挖掘
| 摘要 | 第5-7页 |
| abstract | 第7-8页 |
| 第一章 绪论 | 第16-22页 |
| 1.1 论文研究背景及意义 | 第16-17页 |
| 1.2 研究现状 | 第17-19页 |
| 1.2.1 群体分布预测研究现状 | 第17-18页 |
| 1.2.2 个体周期行为挖掘研究现状 | 第18-19页 |
| 1.3 论文主要工作 | 第19-20页 |
| 1.4 论文结构安排 | 第20-22页 |
| 第二章 基于历史数据的人群分布预测 | 第22-42页 |
| 2.1 背景与需求 | 第22-23页 |
| 2.2 原始数据集 | 第23-26页 |
| 2.2.1 天气信息数据集 | 第23页 |
| 2.2.2 校园一卡通数据集 | 第23-24页 |
| 2.2.3 校园网络数据集 | 第24-26页 |
| 2.3 数据预处理 | 第26-28页 |
| 2.3.1 天气信息预处理 | 第26页 |
| 2.3.2 校园一卡通数据预处理 | 第26页 |
| 2.3.3 校园网络数据预处理 | 第26-27页 |
| 2.3.4 校园一卡通与网络数据融合 | 第27-28页 |
| 2.4 特征提取 | 第28-29页 |
| 2.5 模型与算法 | 第29-37页 |
| 2.5.1 数据有效性检测 | 第32-33页 |
| 2.5.2 基于贝叶斯理论的预测器 | 第33-36页 |
| 2.5.3 基于误差的学习 | 第36-37页 |
| 2.6 实验 | 第37-41页 |
| 2.6.1 结果与分析 | 第37-38页 |
| 2.6.2 算法讨论 | 第38-41页 |
| 2.7 本章总结 | 第41-42页 |
| 第三章 周期行为模式挖掘 | 第42-68页 |
| 3.1 背景与需求 | 第42-43页 |
| 3.2 问题描述与算法框架 | 第43-46页 |
| 3.3 数据预处理 | 第46-49页 |
| 3.3.1 异常位置数据修正 | 第46-47页 |
| 3.3.2 非均匀数据重采样 | 第47-49页 |
| 3.4 周期检测算法 | 第49-55页 |
| 3.4.1 参考地点搜索算法 | 第49-50页 |
| 3.4.2 自动周期检测算法 | 第50-55页 |
| 3.5 周期行为挖掘算法 | 第55-58页 |
| 3.5.1 周期行为模型 | 第55-56页 |
| 3.5.2 周期行为检测 | 第56-58页 |
| 3.5.3 确定周期行为数目 | 第58页 |
| 3.6 实验结果分析 | 第58-63页 |
| 3.6.1 原始数据集 | 第58页 |
| 3.6.2 数据预处理 | 第58-60页 |
| 3.6.3 周期及周期行为检测 | 第60-63页 |
| 3.7 本章总结 | 第63-68页 |
| 第四章 行为模式挖掘展示系统 | 第68-84页 |
| 4.1 系统开发工具 | 第68-70页 |
| 4.1.1 开发环境 | 第68页 |
| 4.1.2 SQL Server数据库 | 第68-69页 |
| 4.1.3 Java Web开发框架 | 第69-70页 |
| 4.2 行为模式挖掘展示系统分析 | 第70-72页 |
| 4.2.1 系统功能需求 | 第70-72页 |
| 4.2.2 系统流程设计 | 第72页 |
| 4.3 系统设计与实现 | 第72-75页 |
| 4.3.1 数据库表设计 | 第73-75页 |
| 4.4 系统功能实例 | 第75-78页 |
| 4.4.1 项目与团队简介模块 | 第76-77页 |
| 4.4.2 人群分布预测模块 | 第77-78页 |
| 4.4.3 个体周期行为挖掘页面 | 第78页 |
| 4.5 本章总结 | 第78-84页 |
| 第五章 总结与展望 | 第84-86页 |
| 5.1 论文工作总结 | 第84-85页 |
| 5.2 未来工作展望 | 第85-86页 |
| 附录A 校园一卡通与网络数据预处理代码 | 第86-88页 |
| 参考文献 | 第88-94页 |
| 致谢 | 第94-96页 |
| 攻读学位期间发表的学术论文 | 第96页 |
